MICCAI 2023 | 用于域自适应点云配准的去噪平均教师模型

论文信息

题目：A Denoised Mean Teacher for Domain Adaptive Point Cloud Registration

用于域自适应点云配准的去噪平均教师模型

作者：Alexander Bigalke, Mattias P. Heinrich

源码：https://github.com/multimodallearning/denoised_mt_pcd_reg

论文创新点

1. 提出基于Chamfer距离的伪标签过滤策略：为防止教师模型的有害监督，论文提出通过衡量固定点云和变形后的移动点云之间的相似性/距离，即Chamfer距离，来评估学生和教师配准的质量。只有当教师的配准优于学生时，才将其作为监督提供给学生，从而改进了标准教师模型及其不确定性感知扩展。
2. 设计教师动态合成无噪声监督的输入对方法：提出一种全新的教师范式，教师通过预测的变形动态合成新的训练对，为学生提供具有精确已知位移标签的输入对。这些输入对与静态手工合成变形不同，其变形基于教